深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
1921	2026-03-13	MLACNN: an attention mechanism-based CNN architecture for predicting genome-wide DNA methylation 2023-Nov, Theory in biosciences = Theorie in den Biowissenschaften DOI:10.1007/s12064-023-00402-3 PMID:37648910	研究论文	本文提出了一种基于注意力机制的CNN架构MLACNN，用于预测全基因组DNA甲基化	引入基于注意力机制的瓶颈网络，结合三种编码方法进行特征融合，以学习更多有效特征并减少过拟合	未明确说明模型在特定生物环境或数据集外的泛化能力	开发深度学习模型以改进DNA甲基化预测	DNA序列及其甲基化状态	机器学习	NA	DNA甲基化预测	CNN	DNA序列	NA	NA	MLACNN	NA	NA
1922	2026-03-13	Interindividual distances and orientations of laying hens under 8 stocking densities measured by integrative deep learning techniques 2023-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2023.103076 PMID:37742450	研究论文	本研究通过集成深度学习技术，测量了蛋鸡在不同饲养密度下的个体间距离和方向，以优化鸡群空间分配	首次将深度学习技术应用于蛋鸡个体间距离和方向的自动检测，并系统分析了8种不同饲养密度下的行为指标	研究仅针对特定品种（京粉蛋鸡）和年龄（35周龄），且实验环境为受控的隔间，可能无法完全反映实际养殖场条件	开发深度学习技术以自动测量蛋鸡的个体间距离和方向，并评估不同饲养密度对这些指标的影响	蛋鸡（京粉品种，35周龄）	计算机视觉	NA	深度学习图像分类、定向目标检测	CNN	视频	8种饲养密度（3-10只鸡/隔间），具体数量未明确	NA	YOLOv5m	准确率、精确率、召回率、F1分数	NA
1923	2026-03-13	A Multichannel Fluorescence Isothermal Amplification Device with Integrated Internet of Medical Things for Rapid Sensing of Pathogens through Deep Learning 2023-Oct-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c02973 PMID:37733965	研究论文	本文介绍了一种集成了医疗物联网和深度学习的高效多通道荧光等温扩增设备，用于在公共卫生危机中快速检测病原体	该设备结合了多通道同时检测、医疗物联网远程控制和深度学习批量处理系统，实现了快速（9.4毫秒）且准确的病原体类型识别	在追求便携性的同时，设备可能在功能上存在限制，影响其在突发病原体爆发时应对紧急公共卫生事件的效果	开发一种用于快速检测病原体的便携式等温扩增设备，以应对公共卫生危机	金黄色葡萄球菌（SA）和耐甲氧西林金黄色葡萄球菌（MRSA）	机器学习	NA	多重RPA检测和CRISPR/Cas12a介导的核酸检测	深度学习	荧光数据	NA	NA	NA	检测限（LOD），准确度	NA
1924	2026-03-13	Clinical narratives as a predictor for prognosticating functional outcomes after intracerebral hemorrhage 2023-Oct-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2023.120807 PMID:37717279	研究论文	本研究探讨了利用临床叙述通过自然语言处理技术提升脑出血后功能结局预测性能的可能性	首次将临床叙述作为文本标记，结合机器学习和深度学习方法来增强现有脑出血预后模型的预测能力	研究仅基于单一医院的注册数据和电子健康记录，样本量相对有限，且未进行外部验证	研究临床叙述是否能改善脑出血后功能结局的预测性能	脑出血患者	自然语言处理	脑出血	自然语言处理	机器学习, 深度学习	文本	1363名患者	NA	NA	AUC, 净重分类改善指数, 综合判别改善指数	NA
1925	2026-03-13	Screening Station, a novel laboratory automation system for physiologically relevant cell-based assays 2023-Oct, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2023.04.002 PMID:37121549	研究论文	本文介绍了一种名为Screening Station的新型实验室自动化系统，用于自动化执行基于人类诱导多能干细胞（iPSC）的细胞实验，包括长期培养、活细胞成像和免疫荧光成像	开发了Screening Station系统，通过Green Button Go软件集成多种设备，实现了多样本、多流程的自动化细胞实验，并首次结合深度学习分析iPSC分化程度	未明确提及系统在处理极高通量样本或复杂三维细胞模型时的性能限制	开发一个自动化系统，以增强基于iPSC的细胞实验的重复性、效率并实现远程操作	来自面肩肱型肌营养不良症患者的iPSC及其分化细胞	实验室自动化	面肩肱型肌营养不良症	活细胞延时成像，免疫荧光成像，深度学习分析	深度学习模型	活细胞成像数据，免疫荧光图像	未明确说明具体样本数量，涉及多孔板中的iPSC	NA	NA	NA	NA
1926	2026-03-13	Deciphering the Morphology of Tumor-Stromal Features in Invasive Breast Cancer Using Artificial Intelligence 2023-Oct, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100254 PMID:37380057	研究论文	本研究利用人工智能分析浸润性乳腺癌中肿瘤-间质特征的形态学，评估了间质-肿瘤比（S:TR）和肿瘤负荷的临床意义	首次使用人工智能对乳腺癌肿瘤-间质特征进行客观形态学评估，揭示了S:TR异质性和肿瘤负荷作为独立预后指标的价值	研究仅针对luminal型乳腺癌病例，未涵盖其他亚型，且样本量虽大但为单中心数据	开发基于人工智能的标准化方法，评估乳腺癌肿瘤-间质形态学特征及其与预后的关联	luminal型浸润性乳腺癌患者的全切片图像	数字病理学	乳腺癌	全切片图像分析，细胞级注释	监督深度学习模型	图像	1968例luminal型乳腺癌病例（发现集1027例，测试集941例）	NA	NA	风险比，P值，95%置信区间	NA
1927	2026-03-13	Risk stratification by nomogram of deep learning radiomics based on multiparametric magnetic resonance imaging in knee meniscus injury 2023-Oct, International orthopaedics IF:2.0Q2 DOI:10.1007/s00264-023-05875-x PMID:37386277	研究论文	本研究基于多参数磁共振成像，构建并验证了一个整合深度学习影像组学特征和临床特征的列线图模型，用于膝关节半月板损伤的风险分层	首次结合深度学习V-net自动分割半月板、LASSO回归提取最优影像组学特征，并整合临床特征构建列线图模型进行风险分层	样本量较小（仅167例），且来自两个机构，可能存在选择偏倚	构建并验证一个用于膝关节半月板损伤风险分层的列线图模型	膝关节磁共振图像及患者临床特征	数字病理学	膝关节半月板损伤	多参数磁共振成像	CNN	图像	167例膝关节磁共振图像	NA	V-net	Dice相似系数, AUC, 准确率	NA
1928	2026-03-13	Noise-insensitive defocused signal and resolution enhancement for optical-resolution photoacoustic microscopy via deep learning 2023-Oct, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300149 PMID:37491832	研究论文	提出一种基于深度学习的噪声不敏感方法，用于增强光学分辨率光声显微镜的离焦信号和分辨率	利用深度学习技术提升离焦区域的信号质量和空间分辨率，克服传统光学分辨率光声显微镜景深窄的限制	NA	提高光学分辨率光声显微镜在离焦区域的成像质量和分辨率	光声显微镜图像，特别是离焦区域的信号	计算机视觉	NA	光学分辨率光声显微镜，k-wave模拟	CNN	图像	NA	NA	全密集U-Net	PSNR，横向分辨率，轴向分辨率	NA
1929	2026-03-13	A deep learning-based simulator for comprehensive two-dimensional GC applications 2023-Oct, Journal of separation science IF:2.8Q2 DOI:10.1002/jssc.202300187 PMID:37525343	研究论文	本研究开发了一个基于深度神经网络的模拟器，用于优化二维气相色谱方法并模拟实验室外的操作条件	利用深度神经网络预测二维气相色谱中洗脱物的空间位置，提供了一种高适应性且可靠的计算模型	需要持续更新数据库以准确预测较少见化合物的保留时间	优化色谱方法并模拟操作条件	二维气相色谱中的洗脱物，包括环境污染物、生物化学分子、制药及个人护理产品等	机器学习	NA	二维气相色谱	深度神经网络	色谱数据	NA	NA	深度神经网络	均方误差, 相对平均偏差, R平方	NA
1930	2026-03-13	L-SeqSleepNet: Whole-cycle Long Sequence Modeling for Automatic Sleep Staging 2023-Oct, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3303197 PMID:37552591	研究论文	本文提出了一种名为L-SeqSleepNet的深度学习模型，用于高效建模长序列睡眠数据，以提升自动睡眠分期的性能	首次在睡眠分期模型中考虑整个睡眠周期的长时依赖关系，并引入高效的长序列建模方法	未明确提及模型在极端噪声或数据缺失情况下的鲁棒性	开发能够利用整个睡眠周期信息的自动睡眠分期模型	睡眠数据，包括头皮EEG、耳内EEG和耳周EEG（cEEGrid）	机器学习	NA	EEG信号处理	深度学习模型	EEG信号	四个不同规模的数据库	NA	L-SeqSleepNet	NA	NA
1931	2026-03-13	Application of IoT technology based on neural networks in basketball training motion capture and injury prevention 2023-Oct, Preventive medicine IF:4.3Q1 DOI:10.1016/j.ypmed.2023.107660 PMID:37573953	研究论文	本文研究基于神经网络和物联网技术的篮球运动轨迹捕捉算法，用于运动损伤预防	设计了一种多视角人体运动轨迹捕捉算法框架，结合深度学习二维姿态估计与多视角相机位姿知识，实现三维空间关节点分布转换	NA	预防篮球运动中的运动损伤，并研究篮球运动轨迹捕捉技术	篮球运动员的运动姿态	计算机视觉	NA	物联网技术，深度学习	神经网络	图像	NA	NA	NA	NA	NA
1932	2026-03-13	Segmentation of X-ray coronary angiography with an artificial intelligence deep learning model: Impact in operator visual assessment of coronary stenosis severity 2023-Oct, Catheterization and cardiovascular interventions : official journal of the Society for Cardiac Angiography & Interventions IF:2.1Q3 DOI:10.1002/ccd.30805 PMID:37579212	研究论文	本研究比较了操作者在冠状动脉造影图像与AI分割图像中对狭窄严重程度的视觉评估差异	首次将AI分割模型应用于X射线冠状动脉造影，以改善操作者对狭窄严重程度的视觉评估准确性	研究样本量有限（123个病变），且未涵盖所有狭窄程度范围（如>70%的病变未显示显著差异）	评估AI分割模型对冠状动脉狭窄严重程度视觉评估的影响	冠状动脉造影图像中的病变	数字病理学	心血管疾病	X射线冠状动脉造影	深度学习模型	图像	123个病变	NA	NA	百分比直径狭窄差异, 一致性分析	NA
1933	2026-03-13	Deep learning enabled miniature mass spectrometer for rapid qualitative and quantitative analysis of pesticides on vegetable surfaces 2023-Oct, Food and chemical toxicology : an international journal published for the British Industrial Biological Research Association IF:3.9Q1 DOI:10.1016/j.fct.2023.114000 PMID:37648105	研究论文	本研究开发了一种基于微型质谱仪的深度学习算法，用于蔬菜表面农药残留的快速现场定性和定量分析	结合微型质谱仪与一维卷积神经网络深度学习算法，实现农药残留的自主判别和现场快速检测	NA	开发一种快速现场筛查蔬菜表面农药残留的方法，以应对食品安全威胁	蔬菜表面的农药残留	机器学习和数字病理学	食品安全相关疾病	质谱分析（全扫描MS和串联MS）	CNN	质谱数据	NA	NA	一维卷积神经网络	定性识别准确率	NA
1934	2026-03-13	Quantitative assessment of adaptive radiotherapy for prostate cancer using deep learning: Bladder dose as a decision criterion 2023-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.16710 PMID:37696263	研究论文	本研究利用深度学习技术，通过合成伪CT图像并评估剂量学影响，为前列腺癌自适应放疗提供了一种基于膀胱剂量的定量决策标准	首次结合CycleGAN合成高质量伪CT与U-Net自动勾画膀胱，实现基于实时膀胱解剖结构的剂量计算，为自适应放疗决策提供客观、自动化的定量标准	研究样本量较小（74例患者），且仅针对前列腺癌放疗中的膀胱剂量进行评估，未考虑其他器官或肿瘤靶区的变化	开发一种自动化的定量标准，以确定在前列腺癌分次放疗中是否需要立即进行自适应放疗	前列腺癌患者	数字病理	前列腺癌	锥形束CT, 自适应放疗	CycleGAN, U-net	CT图像, CBCT图像	74例患者（60例用于训练，14例用于评估）	NA	CycleGAN, U-Net	平均绝对误差, gamma通过率, Dice系数	NA
1935	2026-03-13	Grading surface urban heat island and investigating factor weight based on interpretable deep learning model across global cities 2023-Oct, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2023.108196 PMID:37708813	研究论文	本研究基于可解释深度学习模型，对全球城市的地表城市热岛进行分级，并量化不同指标和等级的影响因素权重	首次在全球尺度上对地表城市热岛进行分级，并利用可解释机器学习模型TabNet量化不同指标和等级的影响因素权重	未明确说明数据的具体来源和预处理细节，且模型可能受限于所选特征和全球数据的异质性	准确监测地表城市热岛的时空变化并理解其控制因素，以提出有效的缓解措施	全球城市的地表城市热岛现象	机器学习	NA	聚合层次聚类，可解释机器学习	TabNet	遥感数据、气候数据、夜间灯光数据等	全球多个城市，具体数量未在摘要中明确	TabNet	TabNet	因素权重百分比	NA
1936	2026-03-13	MAE-Based Self-Supervised Pretraining Algorithm for Heart Rate Estimation of Radar Signals 2023-Sep-13, Sensors (Basel, Switzerland) DOI:10.3390/s23187869 PMID:37765926	研究论文	本文提出了一种基于掩码自编码器和视觉变换器网络的雷达信号心率估计算法，旨在提高非接触式心率监测的准确性和效率	创新性地结合了掩码自编码器进行自监督预训练和视觉变换器进行迁移学习，有效降低了心率数据采集成本并解决了呼吸谐波干扰问题	未明确提及算法的计算复杂度或在实际医疗场景中的泛化能力限制	提高基于毫米波雷达的非接触式心率估计的准确性和减少观测时间	雷达信号中的相位信号用于心率估计	机器学习	心血管疾病	毫米波雷达信号处理	MAE, ViT	信号	NA	NA	掩码自编码器, 视觉变换器	准确性	NA
1937	2026-03-13	MET Exon 14 Skipping: A Case Study for the Detection of Genetic Variants in Cancer Driver Genes by Deep Learning 2021-Apr-19, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms22084217 PMID:33921709	研究论文	本研究利用深度学习技术检测非小细胞肺癌中MET外显子14跳跃事件，并探索未表征的MET异构体	开发了专门针对MET外显子14跳跃检测的神经网络和稀疏连接自编码器，首次将深度学习应用于该特定癌症驱动基因变异的识别	假阳性病例中存在外显子14覆盖模糊的情况，且样本主要来源于TCGA数据库，可能限制了模型的泛化能力	检测癌症驱动基因中的遗传变异，特别是MET外显子14跳跃事件，以辅助肿瘤进展和治疗研究	非小细胞肺癌（NSCLC）中的MET基因转录本	机器学习	肺癌	RNA-seq	CNN, 自编码器	RNAseq数据	690个手动整理的TCGA支气管和肺样本用于测试，2605个TCGA样本用于全局应用	NA	神经网络（NN/CNN），稀疏连接自编码器	检测率（大于94%）	NA
1938	2026-03-13	Faster motion correction of clinical contrast-enhanced ultrasound imaging using deep learning 2020-Sep, IEEE International Ultrasonics Symposium : [proceedings]. IEEE International Ultrasonics Symposium DOI:10.1109/ius46767.2020.9251602 PMID:41809844	研究论文	本研究利用深度学习模型加速临床对比增强超声（CEUS）图像的运动校正，以提高肝细胞癌（HCC）患者肿瘤血管网络测量的准确性	首次将深度学习应用于CEUS图像的运动校正，显著减少了计算时间和内存需求，相比传统方法，预测时间从3.65秒降低到0.20秒	研究样本量较小（仅36名患者），且仅针对肝细胞癌（HCC）患者，可能限制了模型的泛化能力	减少临床CEUS图像运动校正所需的时间和内存，提高肿瘤血管网络测量的准确性	肝细胞癌（HCC）患者的B模式超声（US）图像	计算机视觉	肝细胞癌	对比增强超声（CEUS）成像	编码器-解码器网络	图像	36名患者，每名患者200个训练数据样本	NA	编码器-解码器网络	归一化相关系数（CC）	NA
1939	2026-03-13	Deciphering epigenomic code for cell differentiation using deep learning 2019-Sep-12, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-019-6072-8 PMID:31510916	研究论文	本文利用深度卷积神经网络（CNN）模型，通过分析人类CD4+ T细胞类型和组蛋白标记，揭示了细胞分化过程中不同细胞类型独特表观基因组形成的序列决定因素	首次采用针对不同细胞类型和组蛋白标记的深度CNN模型，通过比较分析学习到的序列基序，揭示了细胞分化中表观基因组形成的序列决定因素及其与转录因子相互作用的机制	研究仅针对人类CD4+ T细胞类型和六种组蛋白标记，未扩展到其他细胞类型或更广泛的表观遗传标记	探究细胞分化过程中不同细胞类型独特表观基因组形成的DNA序列决定因素	人类CD4+ T细胞类型及其组蛋白修饰模式	机器学习	NA	组蛋白标记测量	CNN	序列数据	四种人类CD4+ T细胞类型，每种细胞类型测量六种组蛋白标记	NA	深度卷积神经网络	NA	NA
1940	2026-03-13	Cytokit: a single-cell analysis toolkit for high dimensional fluorescent microscopy imaging 2019-Sep-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-3055-3 PMID:31477013	研究论文	本文介绍并验证了Cytokit，一个用于处理高维荧光显微镜成像数据的端到端GPU加速单细胞分析工具包	开发了首个集成了GPU加速图像处理、高效I/O策略和交互式用户界面的工具包，专门针对大规模多路免疫荧光成像数据	工具主要面向生物信息学家或技术用户，在批处理和高通量设置中使用，可能对非技术用户不够友好	提供和验证用于处理高维荧光显微镜成像数据的软件，以促进疾病进展和诊断的理解	单细胞分析，特别是基于多路原位荧光成像的空间、形态和表达特性	数字病理学	NA	多路免疫荧光成像	深度学习模型	图像	涉及多个成像实验，使用公开可用的多路图像数据集进行验证	NA	NA	通过与独立但可比较的检测方法配对结果进行验证，并复现已发表结果	GPU加速环境，支持单GPU或多GPU配置